基于无人机遥感与特征识别匹配的地表水平位移计算方法技术

本发明专利技术公开基于无人机遥感与特征识别匹配的地表水平位移计算方法，属于距离测量和电数字处理技术领域，用于地表水平位移计算，包括选取研究区域并生成

【技术实现步骤摘要】
基于无人机遥感与特征识别匹配的地表水平位移计算方法


[0001]本专利技术公开基于无人机遥感与特征识别匹配的地表水平位移计算方法，属于距离测量和电数字处理

。

技术介绍

[0002]煤炭资源的井工开采引发上层岩土体移动，在地表的直接表现为地表发生移动，破坏地表生态环境，对建构筑物造成威胁，还可能引发滑坡
、
泥石流等重大危险
。
地表移动可以分为垂直沉陷和水平位移，其中水平位移对建构筑物造成的危害更大，会引发建筑物裂缝
、
地表裂缝等一系列问题，是地表观测的重点工作
。
地表移动监测能为地表环境治理
、
建筑规划
、
井工开采等提供指导，传统的地表移动观测方法是在地表布设一系列测点构成测线，通过定期采用专业仪器如全站仪
、RTK
（实时动态载波相位差分技术）等观测测点的三维坐标来实现地表移动观测；该方法虽然精度高，但工作量大
、
成本高
、
测点易丢失，以点位观测成果密度低，不利于整个工作面地表的规律获取
。
近十年来，无人机技术飞速发展，与遥感技术融合促进传统测绘行业进步转型，也推动了煤矿地表移动观测技术发展，当前无人机遥感技术在煤矿地表移动观测中的应用主要是利用该技术在地表观测后得到地表的数字高程模型，通过多次观测的
DEM
（数字高程模型）差分
DOD
（差分正交离散法）方法得到地表沉陷模型，但该方法聚焦于地表垂直沉陷，不能测量地表水平位移，存在局限性，需引入新方法新手段来完善无人机遥感地表移动观测方法
。

技术实现思路

[0003]本专利技术的目的在于提供基于无人机遥感与特征识别匹配的地表水平位移计算方法，以解决现有技术中，地表移动观测聚焦于地表垂直沉陷，不能测量地表水平位移的问题
。
[0004]基于无人机遥感与特征识别匹配的地表水平位移计算方法，包括：
S1.
准备无人机遥感系统，包括无人机平台和可见光相机；
S2.
在地表选取研究区域，并用
Keyhole
标记语言标记研究区域的位置，将研究区域的位置导入到无人机平台内；
S3.
设定无人机的航线，包括飞行速度
、
飞行高度
、
航向重叠率
、
旁向重叠率，其中飞行高度的设置决定影像的地面分辨率和水平位移观测精度；
S4.
根据井下工作面开采进度，在开采前和开采后分别挑选无风无雨雪无大雾且晴天的天气采集数据，检查数据质量，避免漏采集和像片倾斜；
S5.
借助软件处理生成开采前和开采后共2期
DOM
，检查
DOM
质量确保纹理清晰层次丰富；
S6.
使用尺度不变特征转换算法识别2期
DOM
影像中的特征点，将区域的2期
DOM
以同样的尺寸和数量裁剪为若干子区域，分别识别每个子区域的特征点；
S7.
使用
K
近邻算法筛选并匹配特征点，比较一个特征描述子与另一个特征描述子
集合找到与该特征描述子最相似的
K
个特征描述符，计算最佳匹配和次佳匹配间的距离比例，当距离比例小于某个阈值时，将该匹配对视为优良匹配，得到2期影像中的同名特征点对，研究同一个点的位置变化；
S8.
提取每对特征点的像素坐标（
i
，
j
），像素坐标表示特征点是图像的第
i
行
j
列像素；
S9.
将像素坐标转换为投影坐标（
I
，
J
），获取栅格数据格式
、
栅格大小
、
坐标系统
、
元数据，将特征点的像素坐标（
i
，
j
）转换为投影坐标；
S10.
计算每对特征点间的距离和方向，距离体现为相应点在2期数据采集期间的位移量，方向体现为位移的趋势；
S11.
将每对特征点间的距离和方向用数字表示，得到该区域的水平位移
S。
[0005]S6
包括：
S6.1.
尺度空间极值检测；定义图像自身为，通过与高斯函数卷积构建原图像的尺度空间：；其中，
*
表示卷积计算，高斯函数为：；其中：
m
，
n
为高斯模板的维度，
(x
，
y)
为图像像素的位置，
σ
为尺度空间因子；根据不同尺度下的高斯差
DOG
的极值检测特征点，
DOG
尺度空间计算公式如下：；式中，
k
为两个相邻尺度空间的比例因子；特征点由
DOG
空间的局部极值点组成，为寻找
DOG
函数的极值点，每个像素点与其同尺度相邻的8个点和上下尺度各相邻的9个点进行比较，只保留局部极值点，之后通过子像元插值
、
剔除对比度低的点和边缘响应点以优化关键点
。
[0006]S6
包括：
S6.2.
特征点主方向分配；基于图像局部的梯度方向，分配给每个特征点位置一个或多个方向，采集
DOG
空间中检测出的特征点所在高斯金字塔图像3σ
邻域窗口内像素的梯度和方向分布特征，梯度的模值和方向如下：梯度模值：；梯度方向：；式中，
L
为特征点所在的尺度空间值；完成特征点的梯度计算后，使用直方图统计邻域内像素的梯度和方向
。
[0007]S6
包括：
梯度直方图将
0~360
度的方向范围分为
36
个柱，其中每柱
10
度，方向直方图的峰值代表了该特征点处邻域梯度的方向，以直方图中最大值作为该特征点的主方向，只保留峰值大于主方向峰值
80
％的方向作为该特征点的辅方向
。
[0008]S6
包括：
S6.3.
特征点描述子生成；特征描述子包含了该特征点所在的尺度
、
位置以及方向，为每个特征点建立一个描述子，用向量表示，使其不随光照
、
视角等变化而改变
。
[0009]S9
包括：
S9.1.
获取影像投影信息，获取影像左上角投影坐标（
I0，
J0）
、
东西方向分辨率
D
及南北方向分辨率
N
，其中
D
和
N
均为正数；
S9.2.
转换坐标，按照下式将特征点的像素坐标转换为投影坐标：...

【技术保护点】

【技术特征摘要】
1.
基于无人机遥感与特征识别匹配的地表水平位移计算方法，其特征在于，包括：
S1.
准备无人机遥感系统，包括无人机平台和可见光相机；
S2.
在地表选取研究区域，并用
Keyhole
标记语言标记研究区域的位置，将研究区域的位置导入到无人机平台内；
S3.
设定无人机的航线，包括飞行速度
、
飞行高度
、
航向重叠率
、
旁向重叠率，其中飞行高度的设置决定影像的地面分辨率和水平位移观测精度；
S4.
根据井下工作面开采进度，在开采前和开采后分别挑选无风无雨雪无大雾且晴天的天气采集数据，检查数据质量，避免漏采集和像片倾斜；
S5.
借助软件处理生成开采前和开采后共2期
DOM
，检查
DOM
质量确保纹理清晰层次丰富；
S6.
使用尺度不变特征转换算法识别2期
DOM
影像中的特征点，将区域的2期
DOM
以同样的尺寸和数量裁剪为若干子区域，分别识别每个子区域的特征点；
S7.
使用
K
近邻算法筛选并匹配特征点，比较一个特征描述子与另一个特征描述子集合找到与该特征描述子最相似的
K
个特征描述符，计算最佳匹配和次佳匹配间的距离比例，当距离比例小于某个阈值时，将该匹配对视为优良匹配，得到2期影像中的同名特征点对，研究同一个点的位置变化；
S8.
提取每对特征点的像素坐标（
i
，
j
），像素坐标表示特征点是图像的第
i
行
j
列像素；
S9.
将像素坐标转换为投影坐标（
I
，
J
），获取栅格数据格式
、
栅格大小
、
坐标系统
、
元数据，将特征点的像素坐标（
i
，
j
）转换为投影坐标；
S10.
计算每对特征点间的距离和方向，距离体现为相应点在2期数据采集期间的位移量，方向体现为位移的趋势；
S11.
将每对特征点间的距离和方向用数字表示，得到该区域的水平位移
S。2.
根据权利要求1所述的基于无人机遥感与特征识别匹配的地表水平位移计算方法，其特征在于，
S6
包括：
S6.1.
尺度空间极值检测；定义图像自身为，通过与高斯函数卷积构建原图像的尺度空间：；其中，
*
表示卷积计算，高斯函数为：；其中：
m
，
n
为高斯模板的维度，
(x
，
y)
为图像像素的位置，
σ
为尺度空间因子；根据不同尺度下的高斯差
DOG
的极值检测特征点，
DOG
尺度空间计算公式如下：；式中，
k
为两个相邻尺度空间的比例因子；特征点由
DOG
空间的局部极值点组成，为寻找
DOG
函数的极值点，每个像素点与其同尺度相邻的8个点和上下尺度各相邻的9个点进行比较，只保留局部极值点，之后通过子像元插值
、
剔除对比度低的点和边缘响应点以优化关键点
。
3.
根据权利要求2所...

【专利技术属性】
技术研发人员：王昆，张俊阳，赵同彬，魏博为，吴庚坤，马岩松，房衍志，高世昌，吴明阳，石睿，王文康，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：